Suche senden
Hochladen
Python で画像処理をやってみよう! - SIFT Vol. 2 キーポイント選定 (1) -
•
4 gefällt mir
•
1,816 views
Project Samurai
Folgen
MPS 第43回 (20160206) ミーティング Python で画像処理をやってみよう! - SIFT Vol. 2 キーポイント選定 (1) -
Weniger lesen
Mehr lesen
Software
Melden
Teilen
Melden
Teilen
1 von 34
Empfohlen
Python で画像処理をやってみよう!第11回 - SIFT Vol.1 キーポイント候補 -
Python で画像処理をやってみよう!第11回 - SIFT Vol.1 キーポイント候補 -
Project Samurai
Python で画像処理をしてみよう! 第3回 - 画像認識 -
Python で画像処理をしてみよう! 第3回 - 画像認識 -
Project Samurai
Pythonで画像処理をやってみよう!第2回 - 動く物体の抜き出し -
Pythonで画像処理をやってみよう!第2回 - 動く物体の抜き出し -
Project Samurai
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Project Samurai
プレゼンテーション1.ハッカソン
プレゼンテーション1.ハッカソン
kazuyayoshinari
Pythonで画像処理をやってみよう!第5回 - Scale-space 第2回 -
Pythonで画像処理をやってみよう!第5回 - Scale-space 第2回 -
Project Samurai
Pythonで画像処理をやってみよう!第6回 - Scale-space 第3回 -
Pythonで画像処理をやってみよう!第6回 - Scale-space 第3回 -
Project Samurai
#2 circutsmp syokohama20170311
#2 circutsmp syokohama20170311
正雄 上野
Empfohlen
Python で画像処理をやってみよう!第11回 - SIFT Vol.1 キーポイント候補 -
Python で画像処理をやってみよう!第11回 - SIFT Vol.1 キーポイント候補 -
Project Samurai
Python で画像処理をしてみよう! 第3回 - 画像認識 -
Python で画像処理をしてみよう! 第3回 - 画像認識 -
Project Samurai
Pythonで画像処理をやってみよう!第2回 - 動く物体の抜き出し -
Pythonで画像処理をやってみよう!第2回 - 動く物体の抜き出し -
Project Samurai
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -
Project Samurai
プレゼンテーション1.ハッカソン
プレゼンテーション1.ハッカソン
kazuyayoshinari
Pythonで画像処理をやってみよう!第5回 - Scale-space 第2回 -
Pythonで画像処理をやってみよう!第5回 - Scale-space 第2回 -
Project Samurai
Pythonで画像処理をやってみよう!第6回 - Scale-space 第3回 -
Pythonで画像処理をやってみよう!第6回 - Scale-space 第3回 -
Project Samurai
#2 circutsmp syokohama20170311
#2 circutsmp syokohama20170311
正雄 上野
Pythonで画像処理をしてみよう!第4回 - Scale-space 第1回-
Pythonで画像処理をしてみよう!第4回 - Scale-space 第1回-
Project Samurai
Python で画像処理をやってみよう! -SIFT 第5回-
Python で画像処理をやってみよう! -SIFT 第5回-
Project Samurai
Python で画像処理をやってみよう! -SIFT 第6回-
Python で画像処理をやってみよう! -SIFT 第6回-
Project Samurai
Circuit yokohama20170311
Circuit yokohama20170311
正雄 上野
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Project Samurai
Pythonで画像処理をやってみよう!第8回 - Scale-space 第7回 -
Pythonで画像処理をやってみよう!第8回 - Scale-space 第7回 -
Project Samurai
Smith waterman algorithm parallelization
Smith waterman algorithm parallelization
Mário Almeida
Python で画像処理をやってみよう! -SIFT 第7回-
Python で画像処理をやってみよう! -SIFT 第7回-
Project Samurai
ARコンテンツ作成勉強会:UnityとVuforiaではじめるAR [主要部分]
ARコンテンツ作成勉強会:UnityとVuforiaではじめるAR [主要部分]
Takashi Yoshinaga
はじめてのAR(拡張現実)アプリ導入
はじめてのAR(拡張現実)アプリ導入
Etsuji Kameyama
Python勉強会in 長野 オープニング
Python勉強会in 長野 オープニング
Yuuki Nakajima
これでBigQueryをドヤ顔で語れる!BigQueryの基本
これでBigQueryをドヤ顔で語れる!BigQueryの基本
Tomohiro Shinden
DjangoでさくっとWeb アプリケーション開発をする話
DjangoでさくっとWeb アプリケーション開発をする話
Nakazawa Yuichi
「長野で語るStapyのビジョン」
「長野で語るStapyのビジョン」
Takeshi Akutsu
AR, VR, MR の現状と最新事例 2015 Winter
AR, VR, MR の現状と最新事例 2015 Winter
Etsuji Kameyama
OpenCVを用いた画像処理入門
OpenCVを用いた画像処理入門
uranishi
Study: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving Cars
LinkedIn
Hype vs. Reality: The AI Explainer
Hype vs. Reality: The AI Explainer
Luminary Labs
数学的基礎から学ぶ Deep Learning (with Python) Vol. 12
数学的基礎から学ぶ Deep Learning (with Python) Vol. 12
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 9
数学的基礎から学ぶ Deep Learning (with Python) Vol. 9
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 8
数学的基礎から学ぶ Deep Learning (with Python) Vol. 8
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7
Project Samurai
Weitere ähnliche Inhalte
Andere mochten auch
Pythonで画像処理をしてみよう!第4回 - Scale-space 第1回-
Pythonで画像処理をしてみよう!第4回 - Scale-space 第1回-
Project Samurai
Python で画像処理をやってみよう! -SIFT 第5回-
Python で画像処理をやってみよう! -SIFT 第5回-
Project Samurai
Python で画像処理をやってみよう! -SIFT 第6回-
Python で画像処理をやってみよう! -SIFT 第6回-
Project Samurai
Circuit yokohama20170311
Circuit yokohama20170311
正雄 上野
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Project Samurai
Pythonで画像処理をやってみよう!第8回 - Scale-space 第7回 -
Pythonで画像処理をやってみよう!第8回 - Scale-space 第7回 -
Project Samurai
Smith waterman algorithm parallelization
Smith waterman algorithm parallelization
Mário Almeida
Python で画像処理をやってみよう! -SIFT 第7回-
Python で画像処理をやってみよう! -SIFT 第7回-
Project Samurai
ARコンテンツ作成勉強会:UnityとVuforiaではじめるAR [主要部分]
ARコンテンツ作成勉強会:UnityとVuforiaではじめるAR [主要部分]
Takashi Yoshinaga
はじめてのAR(拡張現実)アプリ導入
はじめてのAR(拡張現実)アプリ導入
Etsuji Kameyama
Python勉強会in 長野 オープニング
Python勉強会in 長野 オープニング
Yuuki Nakajima
これでBigQueryをドヤ顔で語れる!BigQueryの基本
これでBigQueryをドヤ顔で語れる!BigQueryの基本
Tomohiro Shinden
DjangoでさくっとWeb アプリケーション開発をする話
DjangoでさくっとWeb アプリケーション開発をする話
Nakazawa Yuichi
「長野で語るStapyのビジョン」
「長野で語るStapyのビジョン」
Takeshi Akutsu
AR, VR, MR の現状と最新事例 2015 Winter
AR, VR, MR の現状と最新事例 2015 Winter
Etsuji Kameyama
OpenCVを用いた画像処理入門
OpenCVを用いた画像処理入門
uranishi
Study: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving Cars
LinkedIn
Hype vs. Reality: The AI Explainer
Hype vs. Reality: The AI Explainer
Luminary Labs
Andere mochten auch
(18)
Pythonで画像処理をしてみよう!第4回 - Scale-space 第1回-
Pythonで画像処理をしてみよう!第4回 - Scale-space 第1回-
Python で画像処理をやってみよう! -SIFT 第5回-
Python で画像処理をやってみよう! -SIFT 第5回-
Python で画像処理をやってみよう! -SIFT 第6回-
Python で画像処理をやってみよう! -SIFT 第6回-
Circuit yokohama20170311
Circuit yokohama20170311
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第8回 - Scale-space 第7回 -
Pythonで画像処理をやってみよう!第8回 - Scale-space 第7回 -
Smith waterman algorithm parallelization
Smith waterman algorithm parallelization
Python で画像処理をやってみよう! -SIFT 第7回-
Python で画像処理をやってみよう! -SIFT 第7回-
ARコンテンツ作成勉強会:UnityとVuforiaではじめるAR [主要部分]
ARコンテンツ作成勉強会:UnityとVuforiaではじめるAR [主要部分]
はじめてのAR(拡張現実)アプリ導入
はじめてのAR(拡張現実)アプリ導入
Python勉強会in 長野 オープニング
Python勉強会in 長野 オープニング
これでBigQueryをドヤ顔で語れる!BigQueryの基本
これでBigQueryをドヤ顔で語れる!BigQueryの基本
DjangoでさくっとWeb アプリケーション開発をする話
DjangoでさくっとWeb アプリケーション開発をする話
「長野で語るStapyのビジョン」
「長野で語るStapyのビジョン」
AR, VR, MR の現状と最新事例 2015 Winter
AR, VR, MR の現状と最新事例 2015 Winter
OpenCVを用いた画像処理入門
OpenCVを用いた画像処理入門
Study: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving Cars
Hype vs. Reality: The AI Explainer
Hype vs. Reality: The AI Explainer
Mehr von Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 12
数学的基礎から学ぶ Deep Learning (with Python) Vol. 12
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 9
数学的基礎から学ぶ Deep Learning (with Python) Vol. 9
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 8
数学的基礎から学ぶ Deep Learning (with Python) Vol. 8
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 6
数学的基礎から学ぶ Deep Learning (with Python) Vol. 6
Project Samurai
Mpsy20160423
Mpsy20160423
Project Samurai
Make your Artificial Intelligence
Make your Artificial Intelligence
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 4
数学的基礎から学ぶ Deep Learning (with Python) Vol. 4
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 3
数学的基礎から学ぶ Deep Learning (with Python) Vol. 3
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 2
数学的基礎から学ぶ Deep Learning (with Python) Vol. 2
Project Samurai
数学的基礎から学ぶ Deep Learning (with Python) Vol. 1
数学的基礎から学ぶ Deep Learning (with Python) Vol. 1
Project Samurai
Instagram API を使ってウェブアプリを作ろう!
Instagram API を使ってウェブアプリを作ろう!
Project Samurai
JavaScript でパックマン!第7回 (一旦最終回)
JavaScript でパックマン!第7回 (一旦最終回)
Project Samurai
JavaScript でパックマン!第6回
JavaScript でパックマン!第6回
Project Samurai
JavaScript で パックマン! 第5回
JavaScript で パックマン! 第5回
Project Samurai
JavaScript でパックマン!第4回
JavaScript でパックマン!第4回
Project Samurai
JavaScript でパックマン!第3回
JavaScript でパックマン!第3回
Project Samurai
JavaScript でパックマン! 第2回
JavaScript でパックマン! 第2回
Project Samurai
Python で OAuth2 をつかってみよう!
Python で OAuth2 をつかってみよう!
Project Samurai
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
Project Samurai
Mehr von Project Samurai
(20)
数学的基礎から学ぶ Deep Learning (with Python) Vol. 12
数学的基礎から学ぶ Deep Learning (with Python) Vol. 12
数学的基礎から学ぶ Deep Learning (with Python) Vol. 9
数学的基礎から学ぶ Deep Learning (with Python) Vol. 9
数学的基礎から学ぶ Deep Learning (with Python) Vol. 8
数学的基礎から学ぶ Deep Learning (with Python) Vol. 8
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7
数学的基礎から学ぶ Deep Learning (with Python) Vol. 6
数学的基礎から学ぶ Deep Learning (with Python) Vol. 6
Mpsy20160423
Mpsy20160423
Make your Artificial Intelligence
Make your Artificial Intelligence
数学的基礎から学ぶ Deep Learning (with Python) Vol. 4
数学的基礎から学ぶ Deep Learning (with Python) Vol. 4
数学的基礎から学ぶ Deep Learning (with Python) Vol. 3
数学的基礎から学ぶ Deep Learning (with Python) Vol. 3
数学的基礎から学ぶ Deep Learning (with Python) Vol. 2
数学的基礎から学ぶ Deep Learning (with Python) Vol. 2
数学的基礎から学ぶ Deep Learning (with Python) Vol. 1
数学的基礎から学ぶ Deep Learning (with Python) Vol. 1
Instagram API を使ってウェブアプリを作ろう!
Instagram API を使ってウェブアプリを作ろう!
JavaScript でパックマン!第7回 (一旦最終回)
JavaScript でパックマン!第7回 (一旦最終回)
JavaScript でパックマン!第6回
JavaScript でパックマン!第6回
JavaScript で パックマン! 第5回
JavaScript で パックマン! 第5回
JavaScript でパックマン!第4回
JavaScript でパックマン!第4回
JavaScript でパックマン!第3回
JavaScript でパックマン!第3回
JavaScript でパックマン! 第2回
JavaScript でパックマン! 第2回
Python で OAuth2 をつかってみよう!
Python で OAuth2 をつかってみよう!
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
Python で画像処理をやってみよう! - SIFT Vol. 2 キーポイント選定 (1) -
1.
MPS 第43回 (20160206)
ミーティング Python で画像処理をやってみよう! - SIFT Vol. 2 キーポイント選定 (1) - 金子純也 Morning Project Samurai 代表 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
2.
目次 • Morning Project
Samurai • MPS HP について • これまでの復習と直近の目標 • Keypoint 候補の位置精度向上 • エッジ上の Keypoint 候補の削除 • 発表 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
3.
Morning Project Samurai
(MPS) • Morning - 土曜の朝を有意義に • Project - プロジェクト指向 • Samurai - 謙虚に学習 - プロジェクトをバッサバッサ と斬りまくる プロジェクト リーダー シップ メンバー シップ 成果 人脈 UP! UP! UP! キャリア 知識・技術 UP! UP! 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
4.
世田谷やってみた祭り! AndroidアプリをつくってGoogle Playに公開しよう! 次回: 2016/02/13 (土曜日) 第42回
(2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
5.
MPS Yokohama 設立
(予定) • 主催: 上野さん • テーマ: Deep Learning 運営手伝ってくれる方募集中! 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
6.
Be Active, Be
Creative!! MPS 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
7.
目次 • Morning Project
Samurai • MPS HP について • これまでの復習と直近の目標 • Keypoint 候補の位置精度向上 • エッジ上の Keypoint 候補の削除 • 発表 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
8.
目次 • Morning Project
Samurai • MPS HP について • これまでの復習と直近の目標 • Keypoint 候補の位置精度向上 • エッジ上の Keypoint 候補の削除 • 発表 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
9.
我々の次の目標だケロ! Keypoint : DoG
を適用した Scale-space 中の特徴点 Descriptor: Keypoint に関する情報 Keypoint と descriptor 出典 [1] 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
10.
Descriptor を用いた物体検知 1. 認識したい物体の
Descriptor を学習 (集める) 2. 処理対象の画像から Descriptor を抽出 3. 学習した Descriptor と 処理対象の Descriptor を比較 4. 閾値以上マッチングした物体があった場合、 それが存在すると認識 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
11.
流れ • キーポイント候補の発見 • キーポイント候補の位置精度向上 •
低コントラストのキーポイント候補の削除 • エッジ上のキーポイント候補の削除 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
12.
流れ • キーポイント候補の発見 • キーポイント候補の位置精度向上 •
低コントラストのキーポイント候補の削除 • エッジ上のキーポイント候補の削除 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
13.
キーポイント候補の発見 出典 [1] • x:
テスト対象の画素 • o: テスト対象の周辺画素 • キーポイント候補の条件 - テスト対象の画素が 最小または最大 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
14.
キーポイント候補点の例 (出典: http://ja.characters.wikia.com/) 第42回 (2016/02/06)
MPS 定例ミーティング (c) Junya Kaneko
15.
目次 • Morning Project
Samurai • MPS HP について • これまでの復習と直近の目標 • Keypoint 候補の位置精度向上 • エッジ上の Keypoint 候補の削除 • 発表 第42回 (2016/02/06) MPS 定例ミーティング (c) Junya Kaneko
16.
流れ • キーポイント候補の発見 • キーポイント候補の位置精度向上 •
低コントラストのキーポイント候補の削除 • エッジ上のキーポイント候補の削除
17.
モチベーション 求めた極値点 (キーポイント候補点) (x,
y, σ) は 本当に極値点だろうか?
18.
否 !! 本当のキーポイントはサンプル点の間にある かもしれないケロ !
19.
サンプルポイントから求められる 極値点 (キーポイント候補)
20.
実際の極値点 (あるべきキーポイント候補) 推定したいケロ !でも、どうするケロ
?
21.
テーラー展開 : n +
1回以上微分可能な関数
22.
テーラーの定理 任意の について、 なる
が存在 : n + 1回以上微分可能な関数 ( と仮定)
23.
の意味 は関数 の変化に関する情報を含む が大きい程より詳細な変化に関する情報を含む 例: k = 1:
輝度の変化の大きさ k = 2: 輝度の変化の変化の大きさ k = 3: 輝度の変化の変化の変化の大きさ k = 4: 輝度の変化の変化の変化の変化の大きさ
24.
n + 1回以上微分可能な関数
は、その変化の 情報を含む を用いて表すことができる。 テーラーの定理の意味 誤差は、n を十分大きくとれば小さくでき、 x を c の近くに取るほど小さくしやすい。
25.
二次曲線を用いて より正確な極値点を 求める ! 実際の極値点 (あるべきキーポイント候補)
26.
二次曲線を用いて より正確な極値点を 求める ! 実際の極値点 (あるべきキーポイント候補) どんな二次曲線 使えばいいケロ
?
27.
二次曲線を用いて より正確な極値点を 求める ! 実際の極値点 (あるべきキーポイント候補) 輝度情報の2次微分
(加速度) までの 情報を用いて近似しているケロ
28.
極値の求め方
29.
2次元への拡張
30.
DoG を適用した画像への適用1 : DoG
を適用した画像 (出典: [1])
31.
DoG を適用した画像への適用2
32.
作ってみよう! (準備編) • だれかとペアを組む •
http://bit.ly/mps20160123 を自分の GitHub アカウント に Fork • Fork したものを Clone もしくはダウンロード • 上記で得たものの中に自分の名字でフォルダを作成 • そのフォルダの中に 1. img を作成し lena の画像を保存 2. dog.py, keypoint.py, scale_space.py をコピー 第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko
33.
作ってみよう!(GitHub 更新編) 1. git
add --all 2. git commit -m “first commit” 3. git push -u origin master 4. 自分のリポジトリが更新されたか確認 してみよう! 第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko
34.
作ってみよう! (実装&発表編) • keypoint.py
の中の extract_keypoints 関数をペア で完成させてみよう! (extract_keypoints の引数や既存のクラスなど 何をいじっても OK) • 工夫した点などを自分のフォルダにメモとして まとめよう! • Pull リクエストしてみよう! • みんなの前で発表してみよう!第42回 (2016/1/23) MPS 定例ミーティング (c) Junya Kaneko